Making the Invisible Visible: Understanding the Mismatch Between Organizational Goals and Worker Experiences in AI Adoption
स्वास्थ्य सेवा, वित्त और प्रबंधन के माध्यम से किए गए साक्षात्कारों का उपयोग करते हुए, यह शोध पत्र तर्क देता है कि एआई (AI) को अपनाना अक्सर इसलिए विफल हो जाता है क्योंकि श्रमिकों को डिजाइन और निर्णय लेने की प्रक्रिया से बाहर रखा जाता है, जिससे संगठनात्मक लक्ष्यों और वास्तविक दुनिया के अनुभवों के बीच एक महत्वपूर्ण विसंगति उत्पन्न होती है जिसे हल करने के लिए बहु-स्तरीय अनुकूलन रणनीतियों की आवश्यकता होती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि एक कंपनी कार्यालय में एक बिल्कुल नया, सुपर-स्मार्ट रोबोट सहायक लगाने का निर्णय लेती है। बॉस सोचते हैं, "बहुत बढ़िया! यह रोबोट सब कुछ तेज़, सस्ता और आसान बना देगा।" वे कल्पना करते हैं कि मानव कर्मचारी बस आराम से बैठेंगे, निश्चिंत रहेंगे और रोबोट को भारी काम करने देंगे जबकि वे "महत्वपूर्ण" चीजों पर ध्यान केंद्रित करेंगे।
लेकिन वास्तव में, कर्मचारी निराश हैं। उन्हें लगता है कि रोबोट उनके रास्ते में आ रहा है, गलतियाँ कर रहा है, या उन नौकरियों को छीन रहा है जिन्हें वे वास्तव में पसंद करते हैं। परिणाम? कर्मचारी रोबोट को अनदेखा करते हैं, उसके आसपास अपना काम करने के तरीके ढूंढ लेते हैं, या बस उससे नफरत करते हैं।
यह शोध पत्र एक जासूसी कहानी की तरह है जो पूछता है: यह बेमेल (mismatch) क्यों होता है? लेखकों ने वास्तविक कार्यालयों (अस्पतालों, बैंकों और प्रबंधन कंपनियों) में जाकर 16 कर्मचारियों से बात की ताकि यह पता लगाया जा सके कि वास्तव में क्या हो रहा है। उन्होंने पाया कि जहाँ बॉस AI को एक "जादुई उपकरण" के रूप में देखते हैं, वहीं कर्मचारी इसे एक अनाड़ी, अदृश्य साथी के रूप में देखते हैं जो यह नहीं समझता कि वे वास्तव में कैसे काम करते हैं।
यहाँ उनके निष्कर्षों का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:
1. "साइलेंट पार्टनर" की समस्या (संरचनात्मक मुद्दे)
उपमा: कल्पना कीजिए कि एक बास्केटबॉल टीम में कोच (बॉस) खिलाड़ियों को एक नए रोबोट खिलाड़ी को गेंद पास करने के लिए कहता है। लेकिन रोबोट कभी अन्य खिलाड़ियों से बात नहीं करता, उसे टीम के गुप्त संकेतों का पता नहीं होता, और वह गेंद वापस पास करने से इनकार कर देता है।
शोध पत्र ने क्या पाया:
- अलगाव (Isolation): AI सिस्टम अक्सर अकेले काम करते हैं। वे टीम को एक-दूसरे से बात करने में मदद नहीं करते हैं। उदाहरण के लिए, एक अस्पताल में, AI डॉक्टर को एक निदान (diagnosis) दे सकता है, लेकिन यह उस डॉक्टर को नर्सों या अन्य विशेषज्ञों को इसे समझाने में मदद नहीं करता है। यह "टीम हडल" को तोड़ देता है।
- "बड़े बॉस" बनाम "कर्मचारी" का अंतर: बॉस AI को पसंद करते हैं क्योंकि यह उत्पादकता को ट्रैक करता है और शेड्यूल बनाता है। लेकिन कर्मचारियों को लगता है कि AI एक जासूस की तरह उन पर नज़र रख रहा है। बॉस चाहते हैं कि कर्मचारी रोबोट के आदेशों का पालन करें, लेकिन कर्मचारियों को लगता है कि रोबोट उनकी दैनिक वास्तविकता को नहीं समझता, इसलिए वे चुपके से इसे अनदेखा कर देते हैं।
2. "काम के लिए गलत उपकरण" की समस्या (कार्य संबंधी मुद्दे)
उपमा: कल्पना कीजिए कि आप एक पेशेवर शेफ हैं। आपको सब्जियां काटना और भोजन सजाना (रचनात्मक, कुशल हिस्सा) पसंद है। लेकिन नए रोबोट को सब्जियां काटने और भोजन सजाने का काम सौंपा गया है, जिससे आपके पास केवल बर्तन साफ करने और प्याज छीलने (उबाऊ, दोहराव वाला हिस्सा) का काम बचता है। आप बेकार और चिड़चिड़ा महसूस करते हैं।
शोध पत्र ने क्या पाया:
- मज़ेदार चीज़ों को छीनना: फाइनेंस और मैनेजमेंट में, कर्मचारियों को लगा कि AI उनके काम के "मज़ेदार" हिस्सों (जैसे अंतिम ऋण निर्णय लेना या विज्ञापन अभियान की योजना बनाना) पर कब्ज़ा कर रहा है और उन्हें उबाऊ, थकाऊ डेटा एंट्री का काम दे रहा है।
- रास्ते में आना: स्वास्थ्य सेवा में, AI कभी-कभी गलत सलाह या ऐसे अलर्ट देता था जो मददगार नहीं थे। डॉक्टर की मदद करने के बजाय, डॉक्टर को रुकना पड़ता था, रोबोट के काम की जाँच करनी पड़ती थी और उसकी गलतियों को ठीक करना पड़ता था। इससे सभी का काम धीमा हो जाता था।
- "ब्लैक बॉक्स" का अहसास: कर्मचारियों को लगा कि उनका कोई नियंत्रण नहीं है। यदि AI ने ऋण या उपचार के लिए "ना" कहा, तो कर्मचारी ग्राहक या रोगी को यह समझा नहीं सकते थे कि ऐसा क्यों हुआ। वे एक ऐसे रोबोट के लिए केवल संदेशवाहक बन गए थे जिसे वे खुद नहीं समझते थे।
3. "एक ही आकार सबके लिए" की समस्या (कर्मचारी संबंधी मुद्दे)
उपमा: कल्पना कीजिए कि एक शिक्षक एक किंडरगार्टन छात्र और एक पीएचडी प्रोफेसर दोनों को बिल्कुल एक जैसी पाठ्यपुस्तक दे रहा है। प्रोफेसर बोर हो रहा है क्योंकि किताब बहुत सरल है; छात्र परेशान है क्योंकि यह बहुत कठिन है।
शोध पत्र ने क्या पाया:
- नए लोगों के लिए भ्रम: नए कर्मचारियों (प्रशिक्षुओं) को AI की आवश्यकता थी कि वह यह समझाए कि उसने निर्णय कैसे लिया ताकि वे सीख सकें। लेकिन AI केवल एक सरल "हाँ" या "ना" देता था, जिससे वे अंधेरे में रह जाते थे।
- विशेषज्ञों के लिए झुंझलाहट: अनुभवी कर्मचारी (विशेषज्ञ) केवल एक त्वरित जाँच चाहते थे। उन्हें बुनियादी बातें समझाने की ज़रूरत नहीं थी; उन्हें दुर्लभ, कठिन त्रुटियों को पकड़ने की ज़रूरत थी। इसके बजाय, AI उन्हें बहुत अधिक बुनियादी जानकारी देता था, जिससे वे धीमे हो जाते थे।
- गलतियों का डर: कर्मचारी AI पर भरोसा करने से डरते थे क्योंकि उन्हें नहीं पता था कि AI कब अनिश्चित होता है। यदि AI गलत होता, तो दोष कर्मचारी पर आता था।
समाधान: अदृश्य को दृश्य बनाना
लेखकों का तर्क है कि इसे ठीक करने के लिए, कंपनियों को कर्मचारियों को "यात्री" के रूप में देखना बंद करना चाहिए और उन्हें "सह-पायलट" के रूप में मानना चाहिए। वे तीन बदलावों का सुझाव देते हैं:
- कर्मचारियों से बात करें (कर्मचारी स्तर): उन्हें बस AI थमा न दें। उनसे पूछें कि उन्हें क्या चाहिए। यदि एक नए डॉक्टर को एक अनुभवी डॉक्टर की तुलना में अलग स्पष्टीकरण की आवश्यकता है, तो AI को उनकी भाषा के अनुसार अपनी आवाज़ बदलनी चाहिए। इसे कंप्यूटर की भाषा नहीं, बल्कि कर्मचारी की भाषा बोलनी चाहिए।
- कार्य विवरण को ठीक करें (कार्य स्तर): AI को काम के "मज़ेदार" हिस्सों को न लेने दें। AI को उबाऊ, दोहराव वाले काम (जैसे शेड्यूलिंग या डेटा एंट्री) करने दें ताकि इंसान सोचने, समझाने और रचनात्मक कार्य करने का काम कर सकें। AI एक सहायक होना चाहिए, न कि प्रतिस्थापन।
- टीम को जोड़ें (संरचनात्मक स्तर): AI को केवल एक व्यक्ति से बात नहीं करनी चाहिए; इसे पूरी टीम को एक-दूसरे से बात करने में मदद करनी चाहिए। इसे एक अनुवादक की तरह काम करना चाहिए जो डॉक्टर, नर्स और एडमिन को एक-दूसरे को बेहतर ढंग से समझने में मदद करे, न कि उनके बीच एक दीवार खड़ी करे।
मुख्य निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि AI इसलिए विफल नहीं होता क्योंकि तकनीक खराब है, बल्कि इसलिए क्योंकि डिज़ाइन प्रक्रिया में उपयोग करने वाले लोग अदृश्य होते हैं। यदि कंपनियाँ चाहती हैं कि AI काम करे, तो उन्हें कर्मचारियों की बात सुननी होगी, उनके विशेषज्ञता का सम्मान करना होगा, और ऐसे सिस्टम डिज़ाइन करने होंगे जो वास्तविक, जटिल और मानवीय तरीके से काम करने में फिट बैठें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।